Класс: ClassificationDiscripant
Перекрестный проверенный классификатор дискриминантного анализа
cvmodel = crossval(obj)
cvmodel = crossval(obj,Name,Value)
создает секционированную модель из cvmodel
= crossval(obj
)obj
, подобранный классификатор дискриминантного анализа. По умолчанию crossval
использует 10-кратную перекрестную валидацию обучающих данных для создания cvmodel
.
создает секционированную модель с дополнительными опциями, заданными одним или несколькими cvmodel
= crossval(obj
,Name,Value
)Name,Value
аргументы в виде пар.
|
Классификатор дискриминантного анализа, полученный с использованием |
Задайте необязательные разделенные разделенными запятой парами Name,Value
аргументы. Name
- имя аргумента и Value
- соответствующее значение. Name
должны находиться внутри кавычек. Можно задать несколько аргументов в виде пар имен и значений в любом порядке Name1,Value1,...,NameN,ValueN
.
|
Объект Используйте только одну из следующих опций за раз: По умолчанию: |
|
Holdout проверяет указанную долю данных и использует остальную часть данных для обучения. Задайте числовой скаляр из |
|
Количество складок для использования в перекрестном проверенном классификаторе, положительное целое значение, больше 1. Используйте только одну из следующих опций за раз: По умолчанию: 10 |
|
Установите значение Используйте только одну из следующих опций за раз: |
Создайте классификационную модель для данных радужной оболочки глаза Фишера, а затем создайте модель перекрестной валидации. Оцените качество модели с помощью kfoldLoss
.
load fisheriris obj = fitcdiscr(meas,species); cvmodel = crossval(obj); L = kfoldLoss(cvmodel) L = 0.0200
Оцените прогнозирующую эффективность obj
на перекрестно проверенных данных с использованием «kfold» методов и свойств cvmodel
, таких как kfoldLoss
.
Можно создать классификатор перекрестной проверки непосредственно из данных вместо создания классификатора дискриминантного анализа, за которым следует классификатор перекрестной проверки. Для этого включите один из следующих опций в fitcdiscr
: 'CrossVal'
, 'CVPartition'
, 'Holdout'
, 'KFold'
, или 'Leaveout'
.
crossval
| fitcdiscr
| kfoldEdge
| kfoldfun
| kfoldLoss
| kfoldMargin
| kfoldPredict